arXiv:2502.10076cs.LGcs.CG2025-02
用时间模式构建多尺度图表示，提升时序图分析能力
Filtration-Based Representation Learning for Temporal Graphs
- 基于δ-时间模式构建时序图的过滤结构
- 在时序图分类任务中表现优于传统方法
- 适合研究动态网络结构与拓扑变化的学者
本文提出一种基于δ-时间模式（即重复出现的子图）的时序图过滤机制，构建多尺度的时间结构表示。该过滤结构使专为静态图设计的分析工具，如持久同调和图过滤核，可直接应用于时序图分析。实验表明，该方法在多个时序图分类任务上取得显著性能提升，验证了其有效性。
原文摘要 · Abstract (English)
In this work, we introduce a filtration on temporal graphs based on $δ$-temporal motifs (recurrent subgraphs), yielding a multi-scale representation of temporal structure. Our temporal filtration allows tools developed for filtered static graphs, including persistent homology and recent graph filtration kernels, to be applied directly to temporal graph analysis. We demonstrate the effectiveness of this approach on temporal graph classification tasks.
时序图过滤方法拓扑分析
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。